[发明专利]一种业务问题的识别方法、装置、设备和介质

说明书

本申请实施例公开了一种业务问题的识别方法、装置、设备和介质，按照设定的多类型特征提取方式，从原始时序数据中提取时序特征。为了更具针对性的获取当前业务场景所需的时序特征，可以基于各时序特征与业务场景的业务问题的相关性，从时序特征中筛选出与业务场景匹配的目标时序特征。利用目标时序特征分析出业务问题对应的结果。通过不同类型的特征提取方式，可以获取到更加全面的时序特征。基于时序特征与业务问题的相关性，可以从众多的时序特征中筛选出与业务场景具有强相关性的目标时序特征。利用目标时序特征可以较为准确的分析出业务问题对应的结果，满足了不同业务场景下业务的分析需求。

技术领域

本申请涉及数据分析技术领域，特别是涉及一种业务问题的识别方法、装置、设备和计算机可读存储介质。

背景技术

随着物联网和工业4.0的发展，大量成本低廉的传感器增加了采集到的时间标记数据的规模。这些时间标记数据能产生海量的时间序列数据。基于这些时间序列数据，能实现诸如鉴别设备运行状态或者产品线实时监控等智能分析功能。

时间序列数据是在不同时间上收集到的数据，用于所描述现象随时间变化的情况。时间序列数据反映了某一事物、现象等随时间的变化状态或程度。在实际应用中，经常需要对时间序列数据进行回归或分类等分析，以提取出对当前业务分析相关的特征数据。

目前对于时间序列数据的特征提取往往按照固定的数据类型提取特征数据，导致提取出的特征数据类型单一，无法满足不同的业务分析。举例说明，假设提取出的特征数据与虚拟机运行状态具有强相关性，但是与虚拟机的用途具有较低的相关性，则利用该特征数据可以准确的分析出虚拟机运行状态，但是依赖于相同的特征数据对虚拟机的用途进行识别时其准确性较低。

可见，如何实现对不同业务问题的准确分析，是本领域技术人员需要解决的问题。

发明内容

本申请实施例的目的是提供一种业务问题的识别方法、装置、设备和计算机可读存储介质，可以结合不同的业务问题实现特征的提取和筛选，从而得到与业务问题匹配的时序特征，实现对不同业务问题的准确分析。

为解决上述技术问题，本申请实施例提供一种业务问题的识别方法，包括：

按照设定的多类型特征提取方式，从原始时序数据中提取时序特征；

基于各所述时序特征与业务场景的业务问题的相关性，从所述时序特征中筛选出与所述业务场景匹配的目标时序特征；

利用所述目标时序特征分析所述业务问题对应的结果。

可选地，所述按照设定的多类型特征提取方式，从原始时序数据中提取时序特征包括：

基于设定的统计类型，获取所述原始时序数据的各统计量；

将所述原始时序数据转换为频域数据，并提取设定频率各自对应的频域系数；

利用所述原始时序数据对设定的时间序列预测模型进行训练，以得到所述时间序列预测模型满足平稳化要求的参数；

将各所述统计量、所述频域系数以及所述参数作为所述原始时序数据的时序特征。

可选地，所述基于各所述时序特征与业务场景的业务问题的相关性，从所述时序特征中筛选出与所述业务场景匹配的目标时序特征包括：

利用卡方校验确定出各所述时序特征与所述业务场景的业务问题的关联度；

选取出满足关联度要求的N个时序特征作为目标时序特征。

可选地，所述基于各所述时序特征与业务场景的业务问题的相关性，从所述时序特征中筛选出与所述业务场景匹配的目标时序特征包括：

利用特征筛选模型对所述时序特征与所述业务问题进行相关性分析，以得到各所述时序特征对应的特征分值；